数据仓库是一个集中式存储和管理结构化数据的平台，而数仓分层则是根据数据的来源、功能和应用，将其分为不同的逻辑层级。这些层级通常包括：数据接入层、数据仓库层、数据集市层和数据应用层。每一层都有其特定的功能和作用。

数据接入层（ODS层），所有进入数据的数据首先会接入ODS层。一般来说ODS层的数据是多复杂多样的。从数据粒度上看ODS层是粒度最细的数据层。

数据仓库层（DWD层），数据明细层的数据应是经过ODS清洗，转后后的一致的、准确的、干净的数据。DWD层数据粒度通常和ODS的粒度目同，不同的是该层的数据质量更高，字段更全面等。

数据集市层（DWS层），面向主题来组织数据的，通常是星形或我雪花结构的数据。从数据粒度来说，这层的数据是轻度汇总级的数据，已经不存在明细数据了。

数据应用层（ADS层），它是完全为了满足具体的分析需求而构建的数据，也是星形或雪花结构的数据。从数据粒度来说是高度汇总的数据。其汇总的目标主要是按照应用需求进行的。

为什么要进行数仓分层，数仓分层能带来哪些便捷？

提高数据质量：通过分层，我们可以对数据进行清洗、验证和整合，确保每个层级的数据都是准确和可靠的；

提高效率：分层结构使得数据处理变得更为高效。数据从底层到顶层，逐渐被加工和提炼，每一步都为最终的数据应用做好准备；

规范管理：分层结构为数据的管理提供了清晰的框架，使得数据的存储、查询和使用都更加规范；

支持多种应用：通过分层，我们可以为不同的数据应用提供定制化的数据结构，满足各种业务需求。

数仓层内部的划分不是为了分层而分层，分层是为了解决数据任务及工作流的组织、数据的流向、读写权限的控制、不同需求的满足等各类问题。对于上面分层罗列，是种通用的建设分层逻辑。可能你也看到有四层的，有六层的，甚至更多的，比如DWD，DWB，DIM，DWM，MID.......虽然每层你知道什么意思，但是有时候不是很清楚这些层之间的分割线是什么，出现复杂的业务反而让我们无法下手手。所以各个业务不同，需要合适自己的就好。